1. 研究目的与意义及国内外研究现状

遗传算法（genetic algorithm，ga）是人们从生物系统的进化发展过程中学习并总结出的一种算法，它是以达尔文“物竞天择，适者生存”的进化论为理论基础，根据自然界生物的新陈代谢的进化过程，提出一种通过不断的进化寻找最优解的新型算法。遗传算法包括以下几个特点：

（1）遗传算法从问题的候选解群体进行查找，并非某一个解。这是遗传算法区分于传统优化算法的主要地方。通常情况下，传统的优化算法都是从某一个初始值进行迭代求最优解的，但是容易陷入局部最优解，与传统优化算法相比较之下，遗传算法从多个解即候选解集展开搜索的方式，能够有效降低陷入局部最优的几率。

（2）遗传算法仅仅使用适应度函数来对个体进行评估，不依赖于搜索空间的其他变量，而且适应度函数的变量取值是随机的，不受连续或可微等条件的约束，因而有着更广大的应用范围。

2. 研究的基本内容

1. 理解免疫遗传算法的基本原理，掌握免疫遗传算法各基本算子常用的实现方法，总结免疫遗传算法的特点、应用领域和国内外研究现状（包括目前已有的改进方法）。

2. 总结物旅行商问题的国内外研究现状，比较几种常用方法的优缺点，分析免疫遗传算法解决该类问题的优势。

3. 实施方案、进度安排及预期效果

一、实行方案与论文提纲：

使用matlab软件编程实现免疫遗传算法，并把编制的免疫遗传算法成功应用于一组标准测试函数中。改进基本免疫遗传算法，选取若干个具有一定复杂程度的旅行商问题实例，并成功实现对它的优化。建立一个比较完善的遍历路径优化系统。研究参数的不同取值对免疫遗传算法性能的影响。

1.免疫遗传算法

4. 参考文献

[1]dantzig g b, fulkerson d r, johnson s m. on a linear-programming, combinatorial approach to the traveling-salesman problem[j]. operations research, 1959, 7(1):58-66.

[2]crowder h, padberg m w. solving large-scale symmetric travelling salesman problems to optimality[j]. management science, 1980, 26(26):495-509.